从零开始画自己的DAG作业依赖图(四)--节点连线优化版

最新推荐文章于 2025-02-02 09:24:39 发布
最新推荐文章于 2025-02-02 09:24:39 发布
阅读量704 收藏 1
点赞数
文章标签： 云计算 华为云
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/HWCloudDeveloper/article/details/123894000
版权
本文介绍如何优化DAG作业依赖图的连线，避免线条穿过节点。通过分析场景，确定需要规避障碍节点，并提出模拟过程来找出绕开节点的路径。在实际实现中，由于像素点过多，放弃使用A*算法，最终采用优化方法解决问题。这是对原有连线算法的改进，旨在适应更复杂的层级结构。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

概述

上个版本简单的连线在一些复杂场景，尤其层级比较多，连线跨层级比较多的情况下，会出现线条会穿过矩形的情况，这一讲就是在这个基础上，去优化这个连线。

场景分析

在下面几种情况下，简单版本的画法已经没法办规避障碍节点了。

这种情况,由于简单版本，我们只在整条路径上添加了2个拐点，这种画法，当出现上述情况，线条就会被B挡住，实际的需求，我们要规避这种节点，绕开。

应该是下面这种情况:

再复杂一点的场景如下

这时候有2个节点挡住了。我们要做的就是按照图示，绕开节点。

思路分析

观察分析，我们要想绕开，一些障碍节点，我们先要知道哪些节点会挡住，才可以绕开。有两个已经明确数据是，每一层的节点的坐标我们是知道，起点p1, 终点是

最低0.47元/天 解锁文章
大数据架构师必知必会系列：图计算
AI天才研究院
10-08 1247
随着互联网和移动互联网的快速发展，全球数据量呈爆炸式增长，数据之间的关联性也日益复杂。传统的数据库管理系统在处理海量、高关联数据时面临着巨大挑战，难以满足日益增长的数据分析和挖掘需求。在此背景下，图数据库和图计算技术应运而生，为处理复杂关联数据提供了一种全新的解决方案。图数据库以图论为基础，使用节点、边和属性来表示和存储数据之间的关系。相比于传统关系型数据库，图数据库能够更直观、高效地存储和查询关联数据，尤其适用于社交网络、推荐系统、知识图谱等领域。
【动手学因果推断】（四）：绘制DAG（因果图）表达因果问题
阿里云专家博主、数据科学领域优质创作者、统计er在读
09-11 3306
高校统计学硕士在读💌如果文章对你有帮助，欢迎✌关注、👍、✌、👍订阅专栏✨本文收录于本系列主要记录一些因果推断学习笔记，以及如何应用常见的方法，并给出相关代码，方便大家动手学习，后续会考虑做一些论文总结分析。回答因果问题对于科学和商业分析至关重要，但随机临床试验和 A/B 测试等技术并不总是实用。本文将利用 R 语言对观察数据进行因果推断。
从零开始画自己的DAG作业依赖图(二)--分层布局算法
HWCloudDeveloper的博客
04-01 1113
概述 当我们把设计稿和技术选型定下来之后，接下来就要开始着手画这个依赖图了。依赖图的组成最简单的就是节点Node 和节点之间的连线。这一节我们要处理的就是节点位置信息的处理。为了确定节点的位置信息，首先要给节点分层，分层的信息取决于节点之间的依赖关系。 问题分析 当前我们默认图是从上到下布局方式，节点分层，最容易想到的就是拓扑排序，通过BFS 宽度优先遍历，计算每个节点的步长。 自顶向下BFS 如上图，我们如果是普通的BFS，我们会发现D 节点应该是第二层，实际上D应该是第三层，所以，实际上每个节点应该取
dag:节点连线布局算法
06-14
dag node link algorithm, base on d3.js API annotation is in main.js. support 1000+ nodes' link. 10000 nodes cost 5 seconds. 节点连线布局算法，基于d3 具体接口可以参考main.js中的示例。 to do: 1.布局优化 2.增加不同节点不同大小定制功能 3.增加异步渲染
使用drawio绘制依赖关系图
鹏哥说编程
12-17 1935
作为一种有向的图表， 依赖关系图能够可视化处理过程或者一些场景情形， 而这些过程或情形依赖于一些组件，例如决策中的，调度中，以及产品开发， IT或者电信基础设施， 应用、制造链，以及更多。这些能够帮助你找到最佳顺序和关键路径指示， 或者一些约束你应用，基础设施或者过程的薄弱环节。
从零开始画自己的DAG作业依赖图(三)--节点连线简单版
HWCloudDeveloper的博客
04-01 1071
概述 分层布局弄好之后，每一层的节点上下的相对位置基本确定了，我们最简单的方式，就是每一层平铺所有节点，节点宽度固定以及间距固定，每个节点的位置基本就确定了。我们只要基于这些节点进行连线就可以了。 方案思路 直线方式 最简单的方式就是直线，我们只要确定两个节点之间的相对具体坐标，然后两点之间画一条直线就可以了。效果如下 从上图可以看出，直线实现起来是比较简单的，但是节点很少的情况，还是可以勉强可以接受的，如果节点太多，线条复杂，基本没办法看了，效果不是很好。 曲线方式 曲线是比较常见的方式，这里可以用3
有向循环图的绘制（DAG）
Christina
07-20 4133
绘图网站http://www.dagitty.net/ R包：dagitty; ggdagis a nice R package based on dagitty but tidyverse-compatible and with much better plotting functionality.
C语言数据结构新手教程：从零开始构建坚实基础
[C语言数据结构新手教程：从零开始构建坚实基础](https://fastbitlab.com/wp-content/uploads/2022/07/Figure-6-5-1024x554.png) # 摘要 本论文系统性地介绍了C语言数据结构的基础知识与高级应用。首先从线性结构...
viso画的数据依赖图
08-18
viso画的数据依赖图，一个物资管理系统的依赖图
【华为云技术分享】Linux内核模块依赖图绘制(1)
华为云官方博客
03-06 2147
在上一期中，我们以Linux网络模块中的CAKE系统为例，介绍了对Linux补丁源码的分析方法，这一期中我们将介绍如何查看Linux内核中各模块的依赖关系。 一、查看Linux内核模块依赖关系 Linux内核中各个模块之间有相互依赖的关系，表现为一个模块中的文件可以包含另一个模块中的头文件，从而实现对其它模块中定义的函数和变量的调用。 为了查看模块之间的依赖关系，我们可以使用lsmod命令，...
dag-editor:一个简单的画布库，用于思维导图绘画和dag绘画编辑器
05-16
Web的简单dag编辑器工具 用法 安装 yarn add simple-dag-editor 在里面 import { Editor } from 'simple-dag-editor' const editor = new Editor ( { container : string , // editor container dom selector page : string , // editor canvas page container dom selector itempanel : string , // editor items panel container dom selector } ) 套准形状 editor.registerShape(shapeName, shape) interface IShape { shape : string
《编译原理》画 DAG 图与求优化后的 4 元式代码- 例题解析
热门推荐
肖朋伟
06-23 2万+
《编译原理》画 DAG 图与求优化后的 4 元式代码- 例题解析
R语言绘制有向无环图（DAG）
最新发布
dege857的博客
02-02 973
因为他们有一个共同的 父母、吸烟和体重有关（在现实生活中，有 可能是两者之间更直接的关系，但我们会忽略 为简单起见）。然而，这条链条是间接的，至少就吸烟之间的关系而言 心脏骤停。这种梳理和呈现是非常有意义的，因为它会指导你如何设计你的研究以及如何分析你的数据。有向无环图（Directed Acyclic Graph，简称DAG）是一种特殊的有向图，它由一系列顶点和有方向的边组成，其中不存在任何环路。上面两个只是比较初级的，用得不是很顺手，下面咱们来个自定义的：x导致y，a导致x, y导致a。
从零开始画自己的DAG作业依赖图(一)--前期准备
HWCloudDeveloper的博客
04-01 3953
背景： 由于业务场景需要展示作业之间的依赖关系，由于一些开源的插件和当前的业务逻辑有一些冲突，个人打算尝试从零开始，一点点实现自己的DAG图。同时用博客记录自己实现过程和总结，不正确的地方，欢迎指正提升。 场景分析： 数据开发中常常有作业之间的依赖，在执行作业的时候，可能会出现有些作业失败，或者重试，这时候，运维或者开发的人，需要有一个很直观的图去展示作业之间的依赖，这时候DAG 依赖流程图就是一个很好的展现形式。 大数据场景下，可能会出现很多节点，甚至可能达到上千，甚至上万的节点，节点之间的边有可能也会
绘制DAG和因果图 - R语言实现
DarcyCode的博客
08-26 1295
在数据分析和机器学习领域中，绘制有向无环图（Directed Acyclic Graph，简称DAG）和因果图是非常重要的工具。这些图形可以帮助我们可视化变量之间的因果关系，理解变量之间的相互作用，并推断因果关系。接下来，我们将创建一个简单的DAG示例，并绘制它。假设我们有三个变量：X、Y和Z，其中X是因变量，Y和Z是自变量，我们猜测Y和Z可能对X有因果影响。函数后，你可以点击DAG中的节点，查看有关该节点的因果关系的详细信息。包，你可以轻松地绘制DAG和因果图，并深入研究变量之间的因果关系。
RDD依赖与DAG
鸭梨的博客
11-19 291
宽依赖 & 窄依赖 在spark中,rdd间的依赖关系分为两种,宽依赖和窄依赖 wide: 父RDD的一个分区对应子RDD的一个分区 该转换过程的算子叫做窄依赖算子,比如map,filter,union,flatMap narrow: 父RDD的一个分区对应子RDD的多个分区 该转换过程的算子叫做宽依赖算子,比如groupByKey. reduceByKey aggravateByKey 源码 abstract class Dependency[T] extends Serializable {
DAG图与拓扑排序
qq_35546304的博客
07-08 2608
【问题描述】     　　有N个士兵，编号依次为1,2,3,…,N， 队列训练时，指挥官要把一些士兵从高到矮依次排成一行。但现在指挥官不能直接获得每个人的身高信息，只能获得“p1比p2高”这样的比较结果：记为p1>p2。例如1>2，2>4，3>4。士兵的身高关系如图所示：  　　　　　　　　　　　  　　      
R 网络图 nodes,edges属性计算
weixin_30660027的博客
05-17 1940
前面提到了用R画网络图，免不了要对网络图nodes和edges的特征做一些统计。分享下我的代码： ########## nodes edges的统计########### # ####nodes的度有三种：点度中心度（degree）,接近中心度(closeness),中间中心度(centrality) routes_tidy <-routes_tidy %&g...
ggdag 绘制DAG和因果图
Mrrunsen的博客
07-25 1572
geom_dag_node()略带风格（有一个内部的白圈），geom_dag_point()看起来更像是大号的geom_point()。大致上，ggdag()和ggdag包里类似的函数dou都是ggplot2几何对象的打包，用于绘制节点、文本和边。geom_dag_edges()，geom_dag_text()，theme_dag()和scale_adjusted()。ggdag自己提供的一些几何对象geom_dag_node()/geom_dag_point()，()都有对应的ggdag_...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值